神经网络7种C语言实现代码，大家可以

关于机器人控制，算法是可以实现的，希望可以给大家帮组-On the robot control algorithm can be achieved, I hope everyone can help Group

人工鱼群算法（AFSA）是2002年李晓磊提出的基于鱼群行为的寻求全局最优 的新型搜索策略，该算法具有较优的全局收敛能力及较快的寻优速度。本文首次将 人工鱼群算法应用于人工神经网络的学习，形成了人工鱼群神经网络模型，通过与 BP算法、模拟退化算法、进化算法训练的人工神经网络进行比较，验证了人工鱼群 神经网络在全局寻优能力上的优势，进而利用人工鱼群神经网络进行电力系统短期 负荷预测，建立了人工鱼群神经网络预测模型。为了进一步提高算法的稳定性，以 及求得全局最优值的能力，文中给出了改进的人工鱼群算法。当人工鱼种群的最优 值在多代未变的情况下，加入了“跳跃”行为，改变人工鱼个体的参数，避免陷入 局部最优并提高了寻求全局最优解的能力。然后建立了新的预测模型，实际编程表 明，改进后的模型具有更好的全局最优化能力及稳定性。-err

OPENCV系列的，TOOLBOX工具，应该挺有用的，大家自己看看吧！-OPENCV series, TOOLBOX tool, it should be quite useless, we all see!

模糊控制与PID控制比较,模糊控制仿真的阶跃响应-fuzzy control

自适应遗传算法，采用C编写，比较适应开始学习遗传算法的人学习-Adaptive genetic algorithm, using C write, compare the genetic algorithm to adapt to start learning to learn

蚁群算法 关于城市旅行商问题 ，有兴趣的可以参考下，也课参与交流-Ant colony algorithm on the city traveling salesman problem, interested can refer to, it is also involved in the exchange of lessons

Kohonen网络的学习过程可描述为：对于每一个网络的输入，只调整一部分权值，使权向量更接近或更偏离输入矢量，这一调整过程就是竞争学习。随着不断的学习过程，所有输入矢量都在输入矢量空间相互分离，形成了各自代表输入空间的一类模式，这就是Kohonen网络的特征自动识别的聚类功能。请解压缩后按照readme提示进行操作。-Kohonen network learning process can be described as follows : for each one network input, only part of adjusting the weights, weight vector closer to or further from the input vector, the adjustment process is competitive learning. With the continuous process of learning, all the input vector in the importation of vector space separate form their own representatives importation of a type of space, and this is a Kohonen network of automatic clustering functions. Please decompress after readme according to instructions.

详细讲解了动态规划的算法问题，再通过“装箱问题”等7个程序实例介绍解决动态规划问题的思路和方法。-Gave a detailed algorithm for dynamic programming problems, and through the " bin-packing problem" and other instances of seven procedures introduced to solve the problem of dynamic programming ideas and methods.

遗传算法,网络故障的源代码!值得学习!欢迎下载!-genetic algorithms, network fault of the source code! Worth learning! Welcome to download!

ICA经典文章,入门必看。受益，高阶矩统计牲在信号处理中的应用，详细介绍许多重要概念。-ICA classic article, the entry Watchable. Benefit Higher Moments statistical offerings in signal processing applications, detailed many important concepts.